[发明专利]基于Kleinberg在线状态机的社交网络事件检测方法有效
申请号: | 201810992986.3 | 申请日: | 2018-08-29 |
公开(公告)号: | CN109145114B | 公开(公告)日: | 2021-08-03 |
发明(设计)人: | 费高雷;张乐中;胡光岷;杨立波 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06F16/35 | 分类号: | G06F16/35;G06F16/9536;G06F40/289;G06K9/62;G06F40/216 |
代理公司: | 成都虹盛汇泉专利代理有限公司 51268 | 代理人: | 王伟 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 kleinberg 在线 状态机 社交 网络 事件 检测 方法 | ||
1.基于Kleinberg在线状态机的社交网络事件检测方法,其特征在于,包括以下步骤:
S1、获取社交网络的推文数据,对获取的推文数据进行预处理;
S2、对推文文本进行增量聚类,根据文本相似度对文本进行划分,划分结果为簇;
S3、基于Kleinberg在线状态机单词突发特征识别,利用Kleinberg状态机对单词相关文本的生成时间间隔序列建立突发检测模型,识别单词的突发结构;
包括以下子步骤:
S31、数据预处理,对输入数据进行cr64c校验去重;
S32、计算损失函数;具体实现方法为:当有短文本数据到来时,缓冲区存储到来的短文本数据,并判断缓冲区内数据的最大时间范围是否超出固定值,若超出,则将缓冲区内生成时间最小的数据依次推出;对于从缓冲区中推出的短文本数据,提取其中出现的每个单词,对于每一个单词,将与该单词相关的文档按照生成时间从小到大排序,通过对排序时间信息进行差分处理,对每个单词构建生成时间间隔序列;
状态机使用指数分布模拟文本消息到达间隔f(x),即假设相邻两个文本的时间间隔x服从指数分布,其中时间间隔期望E(x)=a-1,其中a是文本到达速率:
f(x)=ae-ax (1)
不同的状态具有不同的指数分布,假设有K个不同的状态,分别为状态1、2….K,状态1的时间间隔期望为a1,状态i的时间间隔期望为ai,状态i的指数分布为fi(x);n表示文本数量,T是文本集合中最小生成时间与最大生成时间之差,s表示相邻两个状态之间的联系:
ai=a0*si
设单词的生成时间间隔序列为X,与单词相关n+1个文本的状态序列为Q,其中xi表示与单词相关的第i个文本与第i+1个文本时间间隔,qi表示与单词相关的第i+1个文本的状态:
X=(x1,x2,x3,...,xn-1,xn)
Q=(q0,q1,q2,q3,...,qn-1,qn)
在社交短文本集合中,两个不相同的短文本之间是相互独立的,彼此不受影响;在时间间隔相互独立的条件下,在文本状态序列为Q的条件下时间间隔序列为X的似然函数为fQ(X),假设文本状态序列的先验概率为P(Q),则时间间隔序列为X的概率为fQ(X)*P(Q),通过最大后验概率估计学习文本集合的最优状态序列:
对后验概率取负对数即可得到损失函数,则优化目标由最大后验概率变成了最小化损失函数,由于状态数过多,使用状态转移代价函数τ(i,j)对损失函数中先验概率相关项进行近似,最优状态序列为Q*;
τ(i,j)=Max(0,j-i)*lnn
S33、使用维特比算法求解状态机的最优状态序列;
S4、突发事件判定,基于聚类簇中突发结构关系和突发单词之间的共现关系,判断聚类簇中是否描述一个事件。
2.根据权利要求1所述的基于Kleinberg在线状态机的社交网络事件检测方法,其特征在于,所述步骤S1具体实现方法为:对获取的推文数据进行分词、去停止词、词性还原和词干提取、命名实体识别和垃圾文本过滤操作。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810992986.3/1.html,转载请声明来源钻瓜专利网。